如何看待大模型？六位大咖暢談「大模型：技術革命與產業應用」

來源：市場資訊

來源：亞布力企業家論壇CEF

8月30日，在2024亞布力企業家第二十屆夏季年會【開幕論壇】上，物美集團創始人、多點 Dmall 創始人張文中，58同城CEO姚勁波，百度副總裁石清華，科大訊飛副總裁、研究院院長劉聰，獵豹移動董事長兼 CEO、獵戶星空董事長傅盛，零一萬物聯合創始人祁瑞峰聚焦“大模型：技術革命與產業應用”，一同探索如何避免大模型作爲“智力引擎”陷入空轉？大模型技術在產業應用中還存在哪些挑戰？企業能從這場技術革命中，挖掘出哪些新機遇？英才元投資管理有限公司董事長宋立新爲本場對話主持人。

以下爲內容實錄：

宋立新：我的第一個問題是，怎麼看待大模型，大模型對大家所在企業有何賦能？

張文中：首先，我認爲大模型的出現更多代表着機遇，當然也有挑戰，因爲挑戰和機遇從來都是相伴而生的。多點很早就開始嘗試使用大模型，2022年GPT的火爆，也讓我們很快意識到相關問題。隨後，多點關於大模型的應用越來越多，例如AI能源系統、AI溫控系統、AI客服，等等。對於大模型，我們要有一個擁抱的態度，只要根據自己的場景積極地去試，還是有很多機會的。

大模型可以大大提高效率，降低成本。例如，原來我們的質量檢驗環節需要花費很多人力資源，有了大模型的幫助之後，大概可以節省50%的人力，服務標準也沒有因此打折扣。

張文中 物美集團創始人、多點 Dmall 創始人

祁瑞峰：以大模型技爲代表的AI 2.0是有史以來最偉大的技術革命和平臺革命，正在穿透各行各業，重塑全球生產力和經濟格局。大模型爲代表的AI 2.0在技術上確實還有一定的限制，目前的主要落地場景聚焦在內容生成和問答方面的提效，而在複雜的推理以及任務的規劃、執行上還面臨着一定的挑戰。很積極的一面是，大模型的能力每天都在進步。從To B的角度來看，我們需要深入到行業內，結合行業和業務場景進入客戶的業務系統，根據行業痛點落地“AI 2.0+產業”，從而實現提效，甚至幫他們直接帶來GMV的增長和ROI的改善。這可能纔是客戶願意付大價錢去接受大模型賦能的基礎。

祁瑞峰 零一萬物聯合創始人

姚勁波：上週，我們公司做了一次AI內部工具的培訓，這是我們歷史上參加人數最多的一次培訓，大概有1400人。我想，他們之所以願意來參加這場培訓，肯定是因爲內心既焦慮又興奮，一是擔心自己如果不擁抱AI，就會被這個時代淘汰；二是他們或許看到了機會，認爲掌握了AI這個工具，就有可能取得更高的成就。其實，企業和創業者也存在這種心態。我的期待就是，所有的大模型廠商越“卷”越好，融的錢越多越好，招的人越多越好，產品價格越低越好，產品性能越高越好。

在我看來，目前AI有兩大問題：一是它還不夠智能，雖然GPT5.0馬上發佈，但今天要想在更大規模上應用大模型，其實還是有障礙的；二是大模型的價格仍然比較貴，用戶更希望大模型的性能更強大，成本更低，最好可以免費提供服務。

我們公司內部有很多場景在使用AI，大家普遍認爲已經有10%-20%的工作量可以被AI替代。所以可以預期，未來幾年如果AI繼續往前演進，可能每個人的工作都會更輕鬆，大家可以把更多的精力放到暢想未來上。我特別希望大家可以拿出一個能讓我算得過賬的大模型，我一定願意爲此付費，而且我不是按照成本來付，而是按照這個大模型給我創造的價值來付。那一天，也許就是大模型廠商真正能跑起來的時候。

姚勁波 58同城CEO

宋立新：姚勁波總說出了很多用戶對大模型的心聲：更強的功能和更便宜的價格。石總你認爲百度能滿足這種奢望嗎？

石清華：可以滿足。姚總說了幾個重點：一是大模型的確有用。這個是最核心的，有用纔是真正的價值；二是他說希望大模型廠商越“卷”越好，希望價格越來越低。這是一個期望，是一個正向的鞭策；三是願意爲價值來付費。這纔是我們大模型廠商最終追求的結果，即早晚有一天能用價值來定義大模型的含金量。

首先分享兩組數字，第一組來自大模型訓練過程，投入非常大。比如，一個萬卡集羣每天的耗電量相當於北京市東城區一天的耗電量，可以說訓練大模型是非常消耗資源的；二是文心一言在發佈一年後，已經有3億用戶在使用，針對企業提供服務的千帆平臺，在一年之內也已經服務了15萬家企業。文心一言大模型平均每天的調用量超過了6億次，換成Token的話大概是1萬億Tokens了。第二組數字表明大模型真正被用起來了，不然它不會有這麼多的調用量。

百度很篤定的是，我們要把大模型應用到具體的場景裡。舉兩個例子：一是最近我們和全國總工會進行了合作，總工會是一個很大的體系，它有4億多的會員，每年要處理很多勞務糾紛，如果用人工處理，一是工作量比較大，二是沒有統一的標準，最後我們用三個月時間做了一個法律援助助手解決了這個問題，這在過去可能需要一年時間；二是我們用大模型做信控優化也就是調控紅綠燈的時長，從而提高了城市交通的通行效率。這種例子比比皆是，我認爲不應該無限地去打價格戰，我更相信早晚有一天大模型可以通過價值來定價。

石清華 百度副總裁

宋立新：請問劉總，與百度文心一言、零一萬物所做的這些大模型相比，科大訊飛的優勢是什麼？差異化在哪兒？

劉聰：2022年12月15日，訊飛啓動“1+N”，決心既要做“1”的底座，也要做“N”的場景。有了底座之後，大模型可以持續迭代；而且在“N”的場景裡，它的軟硬件產品可以持續升級。

“1”不只是指文本大模型，在“從文本大模型向多模態的理解、語音大模型”等全棧能力上，我們基於原有技術再結合大模型，現在訊飛大模型可以直接超過OpenAI的Whisper大模型。我們最近又發佈了極速語音交互功能，相當於基本具備了全面底座的能力。

訊飛除了算法自主可控，在國內國產化方面也做得很不錯。在以像華爲、寒武紀爲代表的國產化芯片上，我們構建出了整個訓練推理的框架，這是我們的特色。去年10月24日，我們基於華爲的910B，構建了國內首個萬卡的國產化集羣。包括現在大家看到的一系列的各類底座大模型都是基於國產化集羣訓練出來的，這是訊飛星火模型的又一個特點。以央國企爲例，上半年我們在央國企的底座中標方面，做得也比較靠前。

劉聰 科大訊飛副總裁、研究院院長

宋立新：傅盛總，你作爲AI方面的專家，同時你們公司也在做大模型和機器人，請你總結下。

傅盛：這波AI是一場掀起巨大浪潮的社會生產力革命，但這波浪潮今天已經呈現出明顯的泡沫跡象。“泡沫”體現在以下幾點：

一是大模型從出現到發展，已經過去將近一年的時間，但最頂級大模型的模型沒有明顯提升。在一個以科技爲核心的技術浪潮中，這是不太正常的。雖然我也尊重各位做的大模型，但客觀來說，誰家大模型有什麼優勢，基本尚屬“一家之言”，其實用戶用起來沒有感覺到太大差別。我每次寫不同的東西，都會用好幾個大模型互相比較，有時候這個大模型更好用，有時那個更好用。當前大模型的同質化很嚴重。

二是我們講了這麼久的人工智能，但真正的KillerAPP並沒有出現，KillerAPP不僅在C端沒有出現，在B端也未能出現。很多行業大模型都說自己有不少應用，但真正提效的並不多。可能在營銷文案或者圖片生成等領域可以提效，但想要將大模型真正變成一個明顯能夠提效的應用，還很有難度。

不過，我不認爲泡沫就會使得大模型發展崩塌，有時有點泡沫也很正常。以前互聯網早期也出現過泡沫。

未來大模型的成功可能取決於兩個點：

一是大模型的天花板能再上一個臺階。今天的大模型有20-30%的知識幻覺，這個錯誤在很多崗位上用不起來，而且“它不知道自己不知道”，這是今天大模型在企業應用上的非常重要的一大卡點。想要真正落地一個應用，得用大量工程化的手段去解決以前所謂通用人工智能認爲它能幹的活，這中間是有差距的。所以模型本身能否再上一個臺階很重要。

二是能不能做出真正讓用戶覺得好的應用。以ToB爲例，你做出的大模型能否真的可以在某些崗位上減員增效，甚至改變商業模式。我們獵戶星空現在採取的模式是與B端客戶共擔風險，用壓力倒逼自己不斷努力，以獲得真正追求效果的目的，而不只是單純追求“人工智能”這四個字。

傅盛 獵豹移動董事長兼 CEO、獵戶星空董事長

宋立新：傅盛總寫東西最常用應用是哪款？

傅盛：我最常用秘塔搜索。

宋立新：祁總還有補充嗎？

祁瑞峰：我們特別關注的一個B端痛點是，如何在B端賦能企業價值，以及通過企業價值增加有規模的營收。零一萬物也在toB端探索，有了初步的方法論。

好的一點是，基於大模型能力做AI 2.0的應用、產品和解決方案，不像原來AI 1.0時代那樣動輒上百人去堆疊。很多AI 1.0時代的公司在B端的打法是從數據到模型到應用到交付，都是自己做，做着做着一擡頭就變成1000人了，重度定製帶來的是成本不斷攀升，燒錢燒得太狠。

現在確實有一些範式的變化。我們自己嘗試聚焦行業場景，希望提供能幫客戶帶來價值的雲服務，讓大模型在知識迭代的基礎上成爲可以標準化的產品。此外，我們也在測試，是否有可能通過大模型賦能數字人直播的場景中，比如，給物美每個線下的店對應開個線上的虛擬直播店，直接帶來有毛利的GMV的增長。

最近通過與歐美市場的交流發現，歐美企業在做大模型、做集羣管理時，可以有千萬美元預算的項目。國內的大模型廠商一般都希望不只是去做“雲”，而且願意做私有化的部署，但在歐美市場裡，從供給端真正願意給企業做私有化部署的，可能只有Cohere這一家企業，它是做雲上的專區私有化，並不是做客戶現場的私有化。

最近，歐盟《人工智能法案》的出臺，對金融、醫療等行業有大量合規和數據監管的強要求，他們現在基本上只能掛在OpenAI上，還得自己做SFT（監督微調），這也是一個很大的代差。在這些私有化的工程能力上，中國大模型團隊具有全球優勢，這是另一個我們在探索的路徑。

宋立新：大模型出來之後，SaaS的收入顯著萎縮，尤其餐飲業也受到了影響。前幾天發佈的餐飲業相關數據顯示，在它們100元的收入裡，只有0.37元的利潤，超市壓力也特別大。先請問張文中總，你焦慮麼？請你談談對未來中國大模型發展的看法。

張文中：我們先要弄清楚什麼是“焦慮”。只有當你覺得完全不確定未來在哪裡，不知道下一步要怎麼辦的時候，這時的焦慮纔有意義。但經過了過去一年多的演進，大家都很確定，人工智能就是人類的未來。

既然大家已經達成共識，那麼企業就要快速擁抱和迭代，儘早進入智能時代。但全面擁抱數字化、智能化的同時，也一定要記住一點：你做的所有事都是爲了徹底迴歸商業本質，即幫助消費者解決問題，提高自己企業的運營效率，讓你的商品更有競爭力，其他的說再多都沒用。老百姓認又實惠又好的東西，今天卷的就是“又便宜又好”。這對企業來說是個挑戰，但你如果知道未來在哪裡，那就堅定不移地去做，不用焦慮。

人工智能到底會不會創造價值？我的答案是：肯定會創造價值。能創造價值，消費者就一定會買單。問題在於你能不能幫他解決問題。還有，在國內是軟件和硬件結合永遠是一個很好的營收方法。

綜上，你們這些搞大模型的企業大膽往前走吧，沒問題，一定會有人買單的。

宋立新：有人認爲中國豐富的產業應用場景和供應鏈優勢可能有助於縮短與美國在AI發展水平上的差距，姚勁波總認同這個觀點嗎？

姚勁波：中國和美國最大的優勢在於市場規模龐大，擁有衆多的人口、數據和亟需滿足的場景需求。在追趕芯片和算法方面，我認爲由於開源資源的豐富，我們與美國的差距並沒有那麼大。現在全球範圍內，只有中國和美國在這方面的競爭最爲激烈，而中國還有很多場景非常適合AI的應用。雖然我不會去“卷”大模型本身，但我會結合大模型提供的算法或開源工具，以及58同城自己積累20年的獨特數據，訓練出一個行業模型，以更好地服務我們的用戶。

在58同城和安居客上，每天都有百萬級的商家活躍。比如，當有人找工作並投遞簡歷時，公司需要判斷這個人是否初步符合他們的需求，然後決定是否打電話給求職者安排面試。同樣，當有人在找房子時，房產經紀人需要判斷並推薦適合的房源。原本這些動作都發生在線下，但現在它們全都在網上進行，未來一兩年內，可能50%的工作還會被AI替代。到那時，我給消費者提供的服務將會更加可靠和優質。比如，AI相比中介會更清楚某個房源是否是北京101學區房，更清楚房貸利率的問題。AI能夠提升我的服務水平，並將其轉變爲純在線、實時的服務。

過去的19年中，58同城一直在做信息平臺和連接服務。未來，利用AI技術來進一步實現服務的閉環和智能化，可能還需要我們再奮鬥19年。對此，我和我的團隊都感到非常興奮。

宋立新：你認爲現在中國的企業在爲to B的智能化服務做準備時，願意投入多少資金打造實際應用場景？

姚勁波：我認爲，中國在大模型領域的競爭比美國更爲激烈。美國僅有三家在該領域占主導地位的公司，他們的融資總額達幾十億美金，而中國則有20到30家公司涉足該領域，且其中十幾家的融資額都超過了3億美金。而且，國外公司的開源模型也在爲中國服務，所以，即使在中國資本市場狀況不佳的情況下，中國在大模型方面的競爭態勢依然如此強勢。如果中國的資本市場像3年前一樣活躍，那麼這些公司可能融資的就不止3億美金，而是20億美金甚至更多。這種激烈的競爭無疑會加速整個大模型的成熟，加速我們發佈產品的進程，並催生一些具有顛覆性的應用。如果能在58同城平臺上用AI替代每天活躍的百萬級招聘專員和房產經紀，這件事對我來說將是足夠偉大的成就。

宋立新：想問石總，中國現在的大模型是不是太多了？地方政府還應該對大模型加大投資嗎？

石清華：中國的大模型數量確實不少，並且類型多樣、地域集中、應用也非常廣泛。但是我們不能簡單地用數量多少來評判，而更應該關注大模型的質量、應用價值以及它對整個產業的貢獻和推動。比如像百度文心4.0這樣參數量更大、能力更強的大模型，直接使用就能表現出非常好的效果，節省大量的人力成本和時間成本。目前，百度智能雲千帆平臺提供包括文心大模型、主流開源大模型在內的近80款大模型服務，還提供覆蓋開發大模型、AI原生應用全生命週期的工具鏈。此外，百度兩款主力模型全面免費開放，兩款旗艦模型大幅降價，進一步幫助客戶降低大模型使用門檻和試錯成本。不僅如此，我們還推出了千帆行業場景解決方案，深入到了客戶“研、產、供、銷、服”的核心業務場景和業務流中。

百度秉承這樣兩個態度。首先，不斷探索下一代大模型的邊界；其次，堅持大模型必須爲企業帶來實際價值，無論是提高效率、降低成本還是增強產品競爭力，這樣企業纔會願意投資。

對於第二個問題，我建議各地政府可根據當地的產業結構來有針對性地投入，因爲大模型是沒有屬性的，但是地區是有各自的特點的。例如，一些地方的經濟結構以鋼鐵爲主，而另一些地方以機器人產業爲主。每個地方的情況都不同。但我建議大家不要再去卷基礎模型了，可以根據地區的產業情況來投入研發垂直領域的大模型。例如58同城擁有大量的垂直領域數據，這些數據結合大模型進行訓練和迭代，有可能解決58同城的人工替代問題。再如百度智能雲和唐山市政府合作，基於在百度智能雲千帆平臺，規劃建設國內首個產業級垂類大模型工廠，就是和當地的產業情況結合，探索“大模型+”鋼鐵等主導產業，“大模型+”機器人等新興產業，“大模型+”陶瓷、“大模型+”農業的傳統及特色產業等全面賦能的案例。所以，在基礎通用大模型的基礎上，結合當地的數據研發垂直領域的大模型，可以解決當地企業垂直場景的問題，我認爲這樣的投入是有必要的。

宋立新：我們把話筒給劉聰，大模型多久能實現盈利？它將如何形成一個良性循環？

劉聰：我在公司主要負責技術創新工作，我的主要職責是推動技術進步，而不是直接掙錢，所以很難給出具體的時間和數字。不過，就核心技術支持業務、共同服務客戶的路徑，我可以分享一下看法。

首先，我贊同張總的觀點，可能沒您想的那麼焦慮。這件事科大訊飛已經做了20多年，知道它的發展規律，前期肯定要投入，後期纔會看到實際價值。因此，我認爲機遇大於焦慮。比如，OpenAI今年預計虧損50億美元，但他們依然風生水起，看起來並沒有特別焦慮。無論是互聯網大廠，還是像科大訊飛這樣的人工智能企業，甚至是創業公司，最終目標還是商業成功。

我認爲，現在有三個主要的落地路徑：

API。大家都知道，由於價格戰，API目前可能不會立刻帶來盈利。但它更加便宜的價格可以吸引很多用戶，這也是培養用戶心智和習慣的過程，有助於推廣。同時，隨着未來出現更高效的大模型，這個領域還是有機會的。

結合現有的底座與行業應用，比如AI搜索、文生圖、文生視頻德國軟件。還有一些軟硬件的協同，例如科大訊飛的學習機。在已有場景中引入大模型，可以直接提升能力價值，進而帶動產品價值和銷量，科大訊飛的學習機就是一個成功例子，站在生產線的角度上說就已經產生盈利了。

以央國企爲代表的GB端。大模型的投入確實很大，面臨很多問題，企業客戶也還在摸索應用場景，思考它能創造哪些價值。這裡可以用兩個詞來形容：由點及面和蓄勢待發。

“由點及面”是指，以前企業更多是做局部提效，比如語音客服或會議管理。但現在，大模型底座能力結合企業內部知識庫後，可以深入到業務主場景，爲企業創造更多價值。比如，科大訊飛和交通銀行合作，通過代碼助手功能，將代碼接納率提升至15%，可爲交通銀行節約數百個人力，隨着未來技術持續進步，代碼接納率可能達30%

“蓄勢待發”則是說，技術在央國企落地也有一個過程。首先是中標入圍，接着是幫助企業熟悉大模型應用，打造大模型底座+工具鏈。例如，科大訊飛近期與中國石油的崑崙大模型合作，幫助他們結合場景發佈了330億代表性的行業大模型，這是大模型在企業端形成具體場景的成功案例。再之後，是如何從定製到非定製，一方面在重點領域的央國企做深做透，另一方面可以在同行業其他地方進行推廣。我再舉一個例子，招投標可能每個企業都會做，之前繁瑣的招投標程序，通過大模型可以快速完成清標和輔助評判工作，科大訊飛最早在國能應用，後來又在中國煤炭實現了推廣。

最後，我想總結一下，要基於實際場景需求，與客戶深入合作，並在核心技術發展上做到行業領先。如果與這個基礎，我相信盈利只是一個自然而然的過程。

宋立新：其實擺在零一萬物面前的問題也是挺嚴峻的，你們這樣的創業公司，怎麼找到自己的生存和發展空間？

祁瑞峰：首先，基礎大模型創業確實是一個燒錢、燒資源的事。我們對行業有兩個顧慮，並且思考了它的解決方案。

第一個顧慮是，中外大模型公司在融資上的差距。AI 2.0大模型應用未來可能會爆發，出現一個比互聯網大10倍的平臺型發展機會。大模型的能力競爭在當下已經成爲一個全球科技競爭的重要戰場。中國的基礎大模型融資，目前行業稱的“六小虎”基本是數億美元的數量級，而美國則是50億美元的數量級。未來，中國如何與美國競爭，這一點是個挑戰。

另一個顧慮是，國外一些頭部大模型公司的 “流血打法”。OpenAI經常“不講武德”，比如推出GPT-4水平的GPT-4omini，還免費向ChatGPT用戶開放。儘管每年可能要消耗二三十億美元的推理成本，他們仍然願意免費，從商業邏輯上，我們想破腦袋也想不通爲什麼，但是他們就這麼幹了。從我自己近10年的創業經驗來看，中國的軟件創業公司的努力和前赴後繼，導致中國To B的市場比美國更艱難，因爲標準化不足帶來高定製化，導致可複製性、可擴充性下降，項目有毛利，但公司不賺錢。例如，最近幾家上市公司的財報顯示，他們的現金流和虧損沒有實質性改善，這反映了行業普遍的挑戰。

零一萬物如何突破這些挑戰，我們可以考慮以下幾點：

首先，中國人有一個優良傳統，即我們更能吃苦、拼搏，更善於多快好省地做事情。例如，零一萬物開發了一個基礎架構優化的萬卡集羣，可以把它管理得更高效，這樣可以用更少的資源訓練出與世界科技巨頭性能齊平的大模型。

第二，未來的大模型服務會越來越便宜，關鍵在於能否降低推理成本，把商業模式跑通。換言之，誰家在AI infra能力超羣，能把推理成本儘量做更便宜，那麼大模型的服務就能啓用“薄利多銷”的模式進一步穿透B端，白菜價也有可能賺錢。在這方面，零一萬物在Day 1就重注AI infra的能力建設，其推理成本優化率顯著優於業內指標，進一步夯實自己的技術護城河，爲自身的B端發力奠定了雄厚的技術基礎。

第三，解決中國To B市場的挑戰，要結合行業和應用場景將大模型能力盡量轉化爲標準化雲服務的產品。無論大模型能力多強，ToB企業是沒有體感的，核心在於能否提供有效的產品，幫助客戶提升GMV和降本增效，這是一個雙贏的模式。

第四，拓展海外市場。歐美這麼大的市場，竟然只有Cohere在做私有化，而且它也是一家創業的小公司，從中國的角度看是一件不可思議的事情。最近我與許多歐美和中東客戶溝通發現，在大模型時代，美國的ToC應用領先中國，但在ToB應用方面，中國反而領先於美國。例如，我與二三十家歐美的世界500強企業溝通，他們大多在做RAG，連SFT都做得較少，企業專屬模型更少見。這表明，這是中國模型廠商值得關注的、有巨大的潛在價值市場。

宋立新：最後請傅盛總整體總結一下。

傅盛：第一個結論，中美在大模型的頂尖水平上確實存在差距，但這個差距肯定沒有十年那麼大。舉個例子，今年年初Sora發佈時大家驚呆了，但此後至今Sora都還沒有再發布新的產品，而國內的一些大模型反而已經發布了幾款出色的文生視頻產品。而且大模型的理論性沒有那麼強，它是試出來的，在工程化嘗試上，中國團隊一直有優勢。

第二個結論，大模型廠商未來5-10年內不用過於關注盈利，這是我的觀點。因爲大模型最終將成爲一種基礎服務，就像水電一樣。最初需要大量補貼以吸引用戶，例如亞馬遜虧損多年才成爲平臺級公司。大模型的市場最終將由一兩家或兩三家平臺主導，在中國，則通過競爭角逐決定最終贏家，這也是我們的一貫做法。

第三個結論，做大模型應用公司，其實已經開始盈利，但這通常發生在水面下。這個生態在不斷形成，會進入中國人最擅長的模式，先把應用做好，不少應用公司做得挺厲害的。例如，我們獵豹移動投資的一家AI直播公司（靈犀深智），發展非常迅速，預計下個月就會盈利。一些ToC領域也已經開始盈利。此外，大模型出海一定有機會。現在是中國企業新一波的出海潮，在國內卷，卷出去放在哪個維度，在國際市場都是有競爭力的。